基于KCCA虚假邻点判别的非线性变量选择

摘要：

特征变量选择技术是非线性系统建模过程中降低信息冗余和提高精度的有效方法.提出一种结合核典型相关法( kernel canonical correlation analysis,KCCA)与虚假最近邻法的变量选择法.首先引入核方法,将非线性原始数据映射到线性空间,再采用典型相关法有效合理地消除因子之间的多重共线性,受混沌相空间虚假最近邻点法的启示,通过计算原始数据在KCCA子空间中投影的距离,判断其对主导变量的解释能力,由此进行变量的选择.该方法用氢氰酸生产工艺工程中的非线性模型验证,并与全参数模型进行比较,结果显示该方法有良好的变量选择能力.因此,该研究为非线性系统建模的变量选择方法提供了一种新方法.

关键词：非线性系统、建模、KCCA、FNN、变量选择

所属期刊栏目：33

分类号：TP273(自动化技术及设备)

资助基金：国家自然科学基金50905194;重庆市自然科学基金CSTC2008BB2356

在线出版日期：2012-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：213-220